树与图的遍历【总结】

铺垫

树与图最常见的存储方式就是邻接表。树可以看作是具有$N-1$条边的无向图，他们的边都存储在一个邻接表中，邻接表以$head$数组为表头,使用$ver$和$edge$数组分别存储边的终点和权值，使用$next$数组模拟链表中的指针。

树与图的深度优先遍历

深度优先遍历，就是就是在某一个节点$x$有多条分支时，任选一条边走下去，进行递归，直到回溯到$x$，再考虑走另一条边，根据上面提到的存储方式，我们可以采用下面的代码,调用$dfs(1)$,对一张图进行深度优先遍历。
$Code:$

void dfs(int x)
{
	vis[x] = 1;//记录x被访问过
	for (int i = head[x]; i; i = nxt[i])//用next编译会报错
	{
		int y = ver[i];//边的终点
		if (vis[y]) continue;//如果访问过，则跳转到下一个
		dfs(y);//递归遍历
	}
}

这段代码访问每个节点恰好1次(无向边正反各一次),时间复杂度为$O(N+M)$,$M$为边数。

树的DFS序

我们在对树进行深度优先遍历时，对于每个节点，在刚进入递归后以及即将回溯时，各记录一次该点的编号，最后产生的$2N$的节点序列(递归前+回溯前)即称为树的$dfs$序

$Code:$

void dfs(int x)
{
    a[++m] = x;//a数组存储dfs序
	vis[x] = 1;//记录x被访问过
	for (int i = head[x]; i; i = nxt[i])//用next编译会报错
	{
		int y = ver[i];//边的终点
		if (vis[y]) continue;//如果访问过，则跳转到下一个
		dfs(y);//递归遍历
	}
	a[++m] = x;
}

$dfs$序的特点是：每个节点$x$的编号在序列中恰好出现两次。设这两次出现的位置为$L[x]$与$R[x]$,那么闭区间$[l[x],R[x]]$就是以$x$为根的子树的$dfs$序(因为在这个子树中第一个递归的是$x$,最后一个回溯的也是$x$).所以，可以通过$dfs$序把树转化区间进行解题。

树的深度

树中各个节点的深度是一种自顶向下的统计信息。起初，我们已知根节点的深度为$0$，若节点$x$的深度是$deep[x]$,则它的子结点y的深度就是$deep[y]=deep[x]+1$.在深度优先遍历的过程中结合自顶向下的递推，就可以求出每一个节点的深度d。

$Code:$

void dfs(int x)
{
	vis[x] = 1;
	for (int i = head[x]; i; i = nxt[i])
	{
		int y = ver[i];
		if (vis[y]) continue;
		deep[y]=deep[x] + 1; //从父结点x到子节点y进行递推，计算深度
		dfs(y);
	}
}

树的重心

也有许多信息是自底向上统计的，比如以每个节点$x$为根的子树大小$size[x]$.对于叶子节点，我们知道：以这个叶子节点为根的子树大小为$1$,若节点$x$有$k$个字节点$Y_1$ ~ $Y_k$,并且以$Y_1$~$Y_k$为根的子树大小分别是$size[x]=size[Y_1]+size[Y_2]+...+size[Y_k+]+1$
对于一个节点x，如果我们把它从树中删除，那么原来的一棵树可能会分成若干个不相连的部分，其中每部分都是一棵子树。用$MaxNum(x)$表示删除x节点后产生的子树中最大一棵的大小。使$MaxNum(x)$函数取到最小值的节点p就称为整棵树的重心。

$Code:$

void dfs(int x)
{
	vis[x] = 1;size[x] = 1;//子树x的大小 
	int max_num = 0;//删掉x后分成的最大子树的大小 
	for (int i = head[x]; i; i = nxt[i])
	{
		int y = ver[i];
		if (vis[y]) continue;
		dfs(y);
		size[x] += size[y];//从子节点向父节点递推 
		max_num = max(max_num, size[y]);
	}
	max_num = max(max_num, n - size[x]);//n为整棵树的节点数目
	if (max_num < ans)
	{
		ans = max_num;//ans是全局变量记录重心所对应的max_num值 
		pos = x;//pos是全局变量记录重心 
	} 
}

连通块的划分

上面的代码每从x开始一次遍历，就会访问x能够到达得所有节点与边。所以我们可用使用多次dfs,划分出一张图中的各个连通区域。同理，对一个森林进行dfs可以划分出森林中的每棵树，如下面代码，cnt是图包含的连通区域数目，v数组标记每个节点属于哪个连通块。

$Code:$

void dfs(int x)
{
	v[x] = cnt;
	for (int i = head[x]; i; i = nxt[i])
	{
		int y = ver[i];//边的终点
		if (vis[y]) continue;
		dfs(y);//递归遍历
	}
}
for (int i = 1; i <= n; i++)//在main函数中 
{
	if (!v[i])
	{
		cnt++;
		dfs(i);
	}
} 

树与图的广度优先遍历

广度优先遍历需要使用队列实现。起初，队列只有一个起点元素(例如$1$号节点).在广度优先遍历的过程中，我们从队头不断取出(删除)一个节点$x$,对于$x$面对的多条分支，把沿着每条分支到达的下一节点(当然是未访问过的节点)插入队尾重复执行上述过程知道队空为止即可。
下面的代码就是使用广度优先遍历$(bfs)$历来遍历一张图(本代码使用STL，不懂的可以上网搜寻资料)：

$Code:$

void bfs()
{
	memset(d, 0, sizeof(d));
	queue<int> Q;
	Q.push(1);d[1] = 1;
	while(!Q.empty())
	{
		int x = Q.front();
		Q.pop();
		for (int i = head[x]; i; i = nxt[i])
		{
			int y = ver[i];
			if (d[y]) continue;
			d[y] = d[x] + 1;
			Q.push(y);
		}
	}
}

从代码中可以看出，广度优先搜索的性质：
先访问完所有的第$i$层节点后再开始访问第$i+1$层
而且任意时刻，队列中至多有两个层次的节点。其中一部分属于第$i$层，另一部分属于第$i+1$层。并且所有$i$层节点排在所有第$i+1$层节点之前。
和深搜一样复杂度为$O(N+M)$